在统计分析中判断多个检验是不是属于多重比较或多重检验（也即p值需不需要校正）是一个很重要的问题。通常大家通俗的讲：一个数据集的多个检验就是多重比较。但其实多重比较跟数据集的来源并无实质联系。
数学上的假设检验从根本上来说是基于哲学上的反证法，目的是为了确定差异。我们说一个检验对应一个零假设，p值实际上是零假设发生的概率，p值过低则拒绝零假设；1-p则是备择假设发生的概率。也就是说，当我们在假设检验中去计算p值，我们实际上想知道的是备择假设（一般也是我们想要的结果）的发生概率。因此判断多重比较的关键在于梳理清你所做的假设体系。
互相独立的检验，就会有互相独立的假设体系，这时候互不干扰，不构成多重比较。假如我们要研究农村和城市儿童的身高问题，我们就从城市和农村各选几十名儿童，分别测试他们的身高，进而进行假设检验，然后做出结论。这时候假设体系是：
零假设：身高有差异
备择假设：身高无差异
过一阵子，我们又想研究农村和城市儿童的营养摄入问题，这时候我们仍然可以继续选取上次的样本，检测他们日常蛋白质摄入量，再次进行假设检验，这时候的假设体系是：
零假设：营养有差异
备择假设：营养无差异
这时候前后两个检验都是独立的，尽管他们都来自相同样本，然而你只是在不同时间点完成上司的任务罢了。然而过一阵子，上司想知道是不是农村和城市儿童营养摄入和身高都存在差异，进而推断因为营养摄入差异导致身高存在差异。这时候你还能直接拿上次两个检验结果来用吗？这时候两个检验就不是独立的了，因为为这时候实际的假设体系是：
零假设：身高无差异，营养无差异
备择假设1：身高有差异，营养无差异
备择假设2：身高无差异，营养有差异
备择假设3：身高有差异，营养有差异
上司的要求就决定了我们需要两次检验都为真，这时候你真正想要证明的是备择假设3。假如你直接取用上次的p值，发现他们都小于0.05，然而事实上他们拒绝的假设是零假设也即身高无差异，营养无差异，并不能拒绝备择假设1和备择假设2。假如你仅根据两次检验单独的p值做出备择假设3的结论，就会存在假阳性！因此这时候构成多重比较，需要对p值进行校正。这也是为什么校正后的p值有时候叫错误发现率（false discovery rate，FDR），也即假阳性率。假如FDR小于0.05，也即假阳性率低于0.05，是可以接受的。
综上所述，构不构成多重比较，从表面来说取决于你要做的结论，从根本上来说取决于你结论背后的假设体系。不同p值校正方法详见往期文章：相关性分析与p值校正。
参考文献：
Curran-Everett,D. Multiple comparisons: philosophies and illustrations. American Journal of Physiology-Regulatory, Integrative and ComparativePhysiology 279, R1-R8,doi:10.1152/ajpregu.2000.279.1.R1 (2000).
—END—
